廖雪峰python教程学习：正则表达式小结

正则表达式小结

廖雪峰老师的python教程
正则表达式的功能十分强大，用法也十分的多，在廖雪峰老师的python教程中也只是点到为止，仅做了解作用，更深入还希望查阅工具。

正则表达式也是用字符串表示的，有字符表示字符的方法

\d 匹配一个数字
\w匹配一个数字或字母
. 匹配任何字符
\s匹配一个空格（包括tab）
如 '\w\w\s\d.'可以匹配 'py 3!'

*匹配包括0个的任意个字符
+表示至少1个字符
?表示0或1个字符
{n}表示n个字符
{n-m}表示n-m个字符
例如：\d{3}\-\d{3,8}
\d{3} 代表着可以识别3个字符
\d{3-8} 代表着可以识别3-8个字符
\- 可以转义 \ 字符
所以这段就可以识别'010-123456' 这种字符串

精确的匹配，可以用[]划定范围：
[a-zA-Z\_][0-9a-zA-Z\_]{0, 19} 限定前面一个大小写字母或_ 加上后面一个最长20字符的可以包括大小写字母和_的字符串
A|B 代表A或B
^为行开头 例如^\d为行开头必须为数字
$为行末尾 例如\d$为行末尾必须为数字

使用r转义，可以直接将字符串变为正则表达式字符串
例如r'python'的正则表达式字符串就是'python'

引入正则表达式，可以使用re模块
import re
match() 判断是否匹配，匹配返回一个match对象，不匹配返回none
常用形式

test = '用户输入的字符串'
if re.match(r'正则表达式', test):
    print('ok')
else:
    print('failed')

正则表达式中使用spilt()切割更加方便

re.split(r'[\s\,\;]+', 'a,b;; c  d')
['a', 'b', 'c', 'd']

例如在这中间，就可以按照\s（空格） \，（逗号） ; （分号）切割

正则表达式还可以进行分组操作

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
m.group(0)
'010-12345'
m.group(1)
'010'
m.group(2)
'12345'

如例，使用^(\d{3})-(\d{3,8})$ 将字符串分为前后两组，前面固定3个字符，后面3-8个字符
其中group(0)固定为原字符串
group(1)与group(2)是前后分割的字符串

正则匹配默认为贪婪匹配，如：

re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')

在前面的分组中，规定了数字类型，但没有限定个数，会默认匹配尽量多的数字，所以后面的一组就没有机会匹配

re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')

在此情况下，使用\d+?令其进行非贪婪匹配（尽可能少的匹配），所以后字符串尽可能的多匹配0，出现了下面的情况。

正则表达式在基于python的爬虫中利用较多，之后需要深度的学习。